是否有相当于 np.empty 的张量流？

Question

Numpy 有这个辅助函数，np.empty，它将：

Return a new array of given shape and type, without initializing entries.

当我想使用 tf.concat 创建张量时，我发现它非常有用，因为：

The number of dimensions of the input tensors must match, and all dimensions except axis must be equal.

所以从一个预期形状的空张量开始会派上用场。有什么办法可以在tensorflow中实现这个吗？

[编辑]

我想要这个的简单示例

    netInput = np.empty([0, 4])
    netTarget = np.empty([0, 4])
    inputWidth = 2

    for step in range(data.shape.as_list()[-2]-frames_width-1):
        netInput = tf.concat([netInput, data[0, step:step + frames_width, :]], -2)
        target = tf.concat([target, data[0, step + frames_width + 1:step + frames_width + 2, :]], -2)

在这个例子中，如果 netInput 或 netTarget 被初始化，我将把一个额外的例子与那个初始化连接起来。为了用第一个值初始化它们，我需要破解循环。没什么市长，我只是想知道是否有'tensorflow'解决这个问题的方法。

Answer 1

您可以做的最接近的事情是创建一个您不初始化的变量。如果您使用 tf.global_variables_initializer() 来初始化您的变量，请通过设置 collections=[].

禁止在初始化期间将您的变量放入全局变量列表中

例如，

import numpy as np
import tensorflow as tf

x = tf.Variable(np.empty((2, 3), dtype=np.float32), collections=[])
y = tf.Variable(np.empty((2, 3), dtype=np.float32))

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

# y has been initialized with the content of "np.empty"
y.eval()
# x is not initialized, you have to do it yourself later
x.eval()

这里np.empty提供给x只是为了指定它的形状和类型，而不是为了初始化。

现在对于诸如 tf.concat 之类的操作，您实际上没有（实际上不能）自己管理内存 -- 您不能预分配输出，因为某些 numpy 函数允许您这样做。 Tensorflow 已经管理内存并执行一些智能技巧，例如在检测到可以这样做时为输出重用内存块。

Answer 2

如果您要创建一个空张量，tf.zeros 就可以

>>> a = tf.zeros([0, 4])
>>> tf.concat([a, [[1, 2, 3, 4], [5, 6, 7, 8]]], axis=0)
<tf.Tensor: shape=(2, 4), dtype=float32, numpy=
array([[1., 2., 3., 4.],
       [5., 6., 7., 8.]], dtype=float32)>

Answer 3

在 TF 2 中，

tensor = tf.reshape(tf.convert_to_tensor(()), (0, n))

对我有用。

是否有相当于 np.empty 的张量流？

Is there a tensorflow equivalent to np.empty?

python

numpy

tensorflow

empty-list